В этом руководстве объясняется, как преобразовать выходные данные pandas GroupBy в pandas DataFrame.
Пример: преобразование вывода Pandas GroupBy в DataFrame
Предположим, у нас есть следующий кадр данных pandas, который показывает очки, набранные баскетболистами в разных командах:
import pandas as pd
#create DataFrame
df = pd.DataFrame({'team': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],
'position': ['G', 'G', 'F', 'C', 'G', 'F', 'F', 'F'],
'points': [5, 7, 7, 10, 12, 22, 15, 10]})
#view DataFrame
print(df)
team position points
0 A G 5
1 A G 7
2 A F 7
3 A C 10
4 B G 12
5 B F 22
6 B F 15
7 B F 10
Мы можем использовать следующий синтаксис для подсчета количества игроков, сгруппированных по командам и позициям :
#count number of players, grouped by team and position
group = df.groupby(['team', 'position']). size ()
#view output
print(group)
team position
A C 1
F 1
G 2
B F 3
G 1
dtype: int64
Из вывода мы можем увидеть общее количество игроков, сгруппированных по командам и позициям .
Однако предположим, что мы хотим, чтобы наш вывод отображал название команды в каждой строке следующим образом:
team position count
0 A C 1
1 A F 1
2 A G 2
3 B F 3
4 B G 1
Чтобы добиться этого вывода, мы можем просто использовать reset_index() при выполнении GroupBy:
#count number of players, grouped by team and position
df_out = df.groupby(['team', 'position']). size().reset_index(name='count')
#view output
print(df_out)
team position count
0 A C 1
1 A F 1
2 A G 2
3 B F 3
4 B G 1
Вывод теперь отображается в том формате, который мы хотели.
Обратите внимание, что аргумент имени в функции reset_index() указывает имя нового столбца, созданного GroupBy.
Мы также можем подтвердить, что результат действительно является DataFrame pandas:
#display object type of df_out
type (df_out)
pandas.core.frame.DataFrame
Примечание.Полную документацию по операции GroupBy в pandas можно найти здесь .
Дополнительные ресурсы
В следующих руководствах объясняется, как выполнять другие распространенные операции в pandas:
Pandas: как рассчитать совокупную сумму по группе
Pandas: как подсчитать уникальные значения по группам
Pandas: как рассчитать корреляцию по группе